Q1
AB 实验期间，差异显著，但是放量后，差异不显著，是什么原因啊？
这个事情出现大概率都是分流的问题。
分流具体什么问题从初期实验就需要设计，所以就会要求有最小样本量估计，保证可以小样本代表数据的稳定性。
通过 AA 保证分流稳定， 然后是 AB 来验证显著性，当然也有 AAB， 然后显著之后进行放量，放量如果前期的用户比例很低，最好分阶段放量，逐步到全量。
可以看看是否遵从了这个路径和逻辑
从研发角度，要判断自己的分流逻辑保证稳定，可以让多个研发进行分析。
Q2
用户画像/数据产品常跟哪些人打交道？如何应对？
数据产品在跟业务打交道时会遇到 3 类人：
一类是完全不懂数据如何玩。这类人要教学起来十分困难，因为他们不懂数据，说明业务上对数据的重视度不高。
第二类是懂一点点数据的玩法，但是不擅长。这类人有很大的成长空间，需要我们逐步去引导。
第三类是专业数据运营，对各类玩法较为熟悉。这类人对接起来比较轻松，可多交流，与其对接不断优化产品能力，并沉淀一些策略性内容。
Q3
直播类创业公司如何快速构建数据能力？
大鹏老师您好！
想咨询一下，直播类创业公司，从 0 到 1 快速建立基础的数据平台，最低要求有哪些数据能力和人员配置？或者市面上有没有数据产品接入就能解决基础的看数功能？
一般直播创作各个直播平台本身就有数据展现，如果平台提供的数据不符合你们的需求，再去搭建。
最基础的功能就是能够满足业务日常看数的需求，这个时候有两个角色就行，数仓和数据产品（兼职数据分析，数据运营等）。
市面上有神策之类的产品，可以解决从数据采集到数据呈现的问题，而且他们还可以给你出数据解决方案。可以和神策聊聊，对于初期前端埋点采集，数据加工，数据展现还是很方便，也已经比较成熟。
Q4
增长框架中都包含什么？
从 4 个方面来回答这个问题：
1、技术层包含深度链接、AB测试框架、营销自动化、归因SDK、变现SDK、分析SDK
2、分析和洞察层包含归因、事件追踪、活动衡量、用户分群、周期群分析、内容分析、舆情分析、AB测试衡量、页面流、转化漏斗、应用表现分析、LTV建模、增长模型
3、应用场景主要为获取、参与和留存、变现，包含内容营销、效果营销、交叉销售、产品定位、季活、生命周期营销、活动通知、社群、不读传播、利润模型、支付处理、定价
4、渠道包含推送、应用内消息、邮件、短信、搜索、社交网络、电视、自有渠道、聊天软件、移动DSP、应用流、聊天机器人
来源：一个数据人的自留地